[发明专利]一种机器人定位方法、装置、机器人及存储介质在审

专利信息
申请号: 202110744785.3 申请日: 2021-06-30
公开(公告)号: CN113390408A 公开(公告)日: 2021-09-14
发明(设计)人: 全王飞;王涛;赵勇胜 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G01C21/00 分类号: G01C21/00;G01C21/20;G01C22/02
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 肖遥
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 机器人 定位 方法 装置 存储 介质
【权利要求书】:

1.一种机器人定位方法,其特征在于,包括:

分别根据两个视野范围不同的单目摄像头采集的图像数据,获得所述机器人的第一位姿数据;

根据轮式里程计采集的里程计数据,获得所述机器人的第二位姿数据;

根据所述第一位姿数据和所述第二位姿数据进行融合,获得所述机器人的真实位姿数据。

2.如权利要求1所述的机器人定位方法,其特征在于,所述分别根据两个视野范围不同的单目摄像头采集的图像数据,获得所述机器人的第一位姿数据,包括:

针对每个单目摄像头,对所述单目摄像头采集的第一帧图像数据进行特征点检测,提取所述第一帧图像数据中的预设数量个特征点;

对所述单目摄像头采集的第k+1帧图像数据进行特征点跟踪,k=1,2,…,n,n任意为正整数;

根据所述单目摄像头采集的多帧图像数据之间的共视特征点,构建重投影误差代价函数;

对所述重投影误差代价函数进行最小化重投影误差求解,获得所述单目摄像头采集的每帧图像数据中的预设数量个特征点在世界坐标系下的三维坐标,作为所述机器人的第一位姿数据。

3.如权利要求2所述的机器人定位方法,其特征在于,所述对所述单目摄像头采集的第k+1帧图像数据进行特征点跟踪之后,包括:

若跟踪到的所述第k+1帧图像数据中的特征点的个数小于所述预设数量,则对所述第k+1帧图像数据进行特征点检测,提取所述第k+1帧图像数据中的特征点,使跟踪到的所述第k+1帧图像数据中的特征点与提取到的所述第k+1帧图像数据中的特征点的个数之和等于所述预设数量。

4.如权利要求2所述的机器人定位方法,其特征在于,所述根据所述第一位姿数据和所述第二位姿数据进行融合,获得所述机器人的真实位姿数据,包括:

将所述预设数量个特征点在世界坐标系下的三维坐标投影回图像坐标系,获得所述预设数量个特征点在图像坐标系下的二维坐标;

获取所述预设数量个特征点在图像坐标系下的二维坐标与提取到的所述第一帧图像数据中的预设数量个特征点在图像坐标系下的二维坐标之间的差值;

将所述第二位姿数据作为估计值,将所述差值作为观测变量,进行扩展卡尔曼滤波融合,获得所述机器人在轮式里程计坐标系下的真实位姿数据。

5.如权利要求4所述的机器人定位方法,其特征在于,所述将所述第二位姿数据作为估计值,将所述差值作为观测变量,进行扩展卡尔曼滤波融合,获得所述机器人在轮式里程计坐标系下的真实位姿数据,包括:

将所述第二位姿数据作为估计值,将所述差值作为观测变量,进行约束条件下的扩展卡尔曼滤波融合,获得所述机器人在轮式里程计坐标系下的真实位姿数据,所述约束条件为限定所述机器人在轮式里程计坐标系下的旋转角度的X轴分量和Y轴分量为0且真实位姿数据的Z轴分量固定不变。

6.如权利要求4所述的机器人定位方法,其特征在于,所述将所述第二位姿数据作为估计值,将所述差值作为观测变量,进行扩展卡尔曼滤波融合,获得所述机器人在轮式里程计坐标系下的真实位姿数据,包括:

将所述第二位姿数据作为估计值,将所述差值作为观测变量,将轮式里程计坐标系与相机坐标系之间的相对旋转角度和相对位移作为外参,进行扩展卡尔曼滤波融合,获得所述机器人在轮式里程计坐标系下的真实位姿数据。

7.如权利要求1至6任一项所述的机器人定位方法,其特征在于,所述根据轮式里程计采集的里程计数据,获得所述机器人的第二位姿数据,包括:

将所述单目摄像头采集的图像数据的时间戳与轮式里程计采集的里程计数据的时间戳对齐,获得与所述图像数据的时间戳同步的里程计数据;

对与所述图像数据的时间戳同步的里程计数据进行预积分,获得所述轮式里程计的积分值,作为所述机器人的第二位姿数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110744785.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top